patrón de reconocimiento estadístico en imágenes satelitales multiespectrales

ESCUELA MILITAR DE INGENIERÍA COCHABAMBA SISTEMAS DE INFORMACIÓN GEOGRÁFICA

Séptima práctica 2º Parcial

Patrón de reconocimiento estadístico en imágenes satelitales multiespectrales

NOMBRE: María Cecilia Suarez Rubi

CODIGO: C1033-2

MATERIA: Sistemas de Información Geográfica

DOCENTE: Ing. M.Sc Vito Ledezma Miranda

CURSO: 3º semestre

CARRERA: Ingeniería Civil

FECHA: 11-Junio-2008

“LA PATRIA DEBE VIVIR ASÍ TENGAMOS QUE MORIR”

Alumna: Suarez Rubi María Cecilia C1033-2


Sexta práctica 2º Parcial

Patrón de reconocimiento estadístico en imágenes satelitales multiespectrales

1. Introducción

Los modelos digitales del terreno (MDT)son una parte elemental de la informacion integrante de los sistemas de informacion geografica. Aquí veremos la base conceptual de los MDT con el fin de poder comprender los aspectos relativos a su construccion y manejo.

2. Objetivo del trabajo

2.1 Objetivo general

Realizar clasificaciones supervisadas y no supervisadas del área del valle central del departamento de Cochabamba, en base a imágenes satelitales Tematic Map (TM) del año 2002, con ocho clases a determinar en el área de estudios.

2.2 Objetivos específicos

Por medio del marco teórico aprender todo lo referente a teledetección. Profundizar conocimientos del software Ilwis. Visualizar claramente el procedimiento a seguir para realizar el patrón de

reconocimiento en imágenes satelitales multiespectrales. Elaborar modelos que nos permitan la comparación entre ellos para la

obtención de conclusiones.

3. Marco teórico

3.1 Teledetección:

Teledetección es la técnica que permite obtener información a distancia de objetos sin que exista un contacto material, en nuestro caso se trata de objetos situados sobre la superficie terrestre. Para que esta observación sea posible es necesario que, aunque sin contacto material, exista algún tipo de interacción entre los objetos y el sensor. En



este caso la interacción va a ser un flujo de radiación que parte de los objetos y se dirige hacia el sensor. Este flujo puede ser, en cuanto a su origen, de tres tipos:

Radiación solar reflejada por los objetos( luz visible e infrarrojo reflejado) Radiación terrestre emitida por los objetos (infrarrojo térmico) Radiación emitida por el sensor y reflejada por los objetos (radar)

Las técnicas basadas en los dos primeros tipos se conocen como teledetección pasiva y la última como teledetección activa.

3.2 Funcionamiento de los sensores:

El proceso de teledetección involucra una interacción entre la radiación incidente y los objetos de interés. Un ejemplo de este proceso, con el uso de sistema de capturas de imágenes puede verse en la siguiente figura. Nótese, sin embargo, que la teledetección también involucra la percepción de energía emitida y el uso de sensores que no producen imágenes.

A. Fuente de energía o iluminación: el primer requerimiento en teledetección es disponer de una fuente de energía que ilumine o provea energía electromagnética al objeto de interés.

Según la fuente de energía o iluminación los sensores se clasifican en :

Sensores pasivos: son los que utilizan fuentes naturales, como ser el sol.

Sensores activos: son los que utilizan microondas generados por ellos mismos.



B. Radiación y la atmosfera: ya que la energía “viaja” desde la fuente al objeto, entrara en contacto e interaccionara con la atmosfera. Esta interacción tiene lugar una segunda vez cuando la energía “viaja” del objeto al sensor.

C. Interacción con el objeto: la energía interactúa con el objeto dependiendo de las propiedades de este y la radiación incidente.

D. Detección de energía por el sensor: necesitamos un sensor remoto que recoja y grabe la radiación electromagnética reflejada o emitida por el objeto y la atmosfera. Estos sensores se encuentran desde 400 (QuickBird “QB”)-1000(Tematic Map “TM”) km alejados de la tierra.

E. Transmisión, recepción y procesamiento: la energía grabada por el sensor debe ser transmitida, normalmente en forma electrónica, a una estación de recepción y procesamiento donde los datos son convertidos en imágenes digitales.

F. Interpretación y análisis: la imagen procesada se interpreta, visualmente y/o digitalmente para extraer información acerca del objeto que fue iluminado (o emitió radiación).

G. Aplicación: el paso final en el proceso de teledetección se alcanza en el momento en que aplicamos la información extraída de las imágenes del objeto para un mejor conocimiento del mismo, revelando nuevas informaciones o ayudándonos a resolver un problema en particular.

3.2.1 Altura de los sensores:



La teledetección puede hacerse a distintas alturas y mediante diferentes plataformas como se aprecia en la figura adjunta.

El área de la superficie terrestre escaneada, está en función de la altura de exploración. Cuanto más lejos esté el sistema de teledetección, mayor será la superficie cubierta, de forma inversa, cuanto más cerca estemos de la superficie menor será el área analizada.

En la figura adjunta se muestran los tres niveles en que se clasifican las plataformas de teledetección:

Nivel I: Agrupa los instrumentos que operan desde el nivel del suelo hasta los aviones de gran altitud.

Nivel II: Incluye los dispositivos ubicados en ingenios de órbita baja (Trasbordador espacial, estación orbital) hasta los satélites de observación de órbitas polares hasta 1000 km)

Nivel III: Son los satélites de observación meteorológica situados en órbita geoestacionaria a casi 36.000 Km de la Tierra.



3.3 Bases físicas

3.3.1 Naturaleza de la radiación:

La radiación electromagnética es una forma de energía que se propaga mediante ondas que se desplazan por el espacio a la velocidad de la luz (300000 Km/s) transportando cantidades discretas de energía (cuantos).

Estas ondas se caracterizan por tener longitudes muy diferentes, desde los rayos X y gamma con longitudes de onda menores de 100 Amstrongs hasta las ondas de televisión y radio con longitudes mayores de un metro. El conjunto de todas las longitudes de onda se denomina espectro electromagnético. Dentro del espectro electromagnético se distinguen una serie de regiones en función de la longitud de onda. Las regiones más utilizadas por las diferentes técnicas de teledetección son:

Las microondas

Las microondas, también llamadas hiperfrecuencias, se usan en los sensores radar. Se generan mediante unos dispositivos electrónicos llamados magnetrones, parecidos a los que hay en los hornos microondas domésticos.

La radiación infrarroja

Los cuerpos calientes emiten radiación infrarroja, propiedad que tiene muchas aplicaciones en teledetección, medicina y astronomía. La zona infrarroja del espectro, se subdivide en tres regiones: infrarrojo cercano, medio y lejano o térmico.

El espectro visible

La luz es la parte visible del espectro electromagnético. La sensibilidad espectral del ojo humano es muy estrecha y se subdivide en seis intervalos que definen los colores básicos: rojo, naranja, amarillo, verde, azul y violeta.



La radiación ultravioleta

La radiación ultravioleta es la componente principal de la radiación solar.

Hasta la primera mitad del siglo XIX todas las informaciones sobre el Universo se recogían de las observaciones en luz visible; con el desarrollo de instrumentos capaces de captar las otras emisiones del espectro electromagnético, nuestros conocimientos sobre el Universo se han ampliado enormemente.

3.3.1.1 Teoría ondulatoria

Según la teoría ondulatoria, las ondas viajan en campos como ser el magnético y el eléctrico que es perpendicular al anterior.

La longitud de onda es la distancia entre dos puntos equivalentes sucesivos y la frecuencia es el número de ciclos por segundo que pasan por un punto fijo.

Cuando las partículas en suspensión son mayores a las longitudes de onda se produce el efecto Rayleigh

Cuando las partículas en suspensión son menores a las longitudes de onda se produce el efecto Mie, que es el que le da esa coloración blanca a las nubes en la atmosfera.

Estos dos efectos se verán en el próximo inciso con mayor detalle.

Cualquier objeto en la naturaleza emite radiación y lo hace con diferentes longitudes de onda. Tanto la cantidad de energía que emite un cuerpo por radiación como la distribución de esta energía en diferentes longitudes de onda dependen fundamentalmente de la temperatura de dicho cuerpo.

Por tanto puede concluirse que la radiación solar domina aquellas regiones del espectro electromagnético que corresponden a la radiación visible y al infrarrojo reflejado. La radiación terrestre domina el infrarrojo térmico, mientras que las radiaciones que corresponden al radar no aparecen en la naturaleza, deben ser por tanto de origen artificial.



3.4 Perturbadores de la señal:

Los perturbadores de la señal se pueden clasificar en:

Perturbación atmosférica Perturbación de la superficie terrestre Perturbación del relieve terrestre Perturbación por el ángulo solar

A. Perturbación atmosférica: En el espacio exterior no hay pérdida de radiación por interferencia con ningún medio material, sólo se produce el fenómeno de atenuación debida a la ley del cuadrado de la distancia.

Los gases y partículas de la atmósfera terrestre interaccionan con los flujos de radiación recibidos del Sol y con los emitidos o reflejados por la superficie terrestre. Los principales efectos de la atmósfera terrestre sobre la radiación incidente son:

Dispers ión

Es la difusión de la radiación producida por las partículas presentes en la atmósfera. Se distinguen dos tipos principales:

Dispersión Rayleigh cuando la radiación interactúa con moléculas atmosféricas y otras partículas pequeñas cuyo diámetro es menor que la longitud de onda de la radiación incidente. Las longitudes de onda más cortas tienden a ser más afectadas por esta modalidad de dispersión, que las



longitudes de onda más largas. El color azul del cielo es un ejemplo de este tipo de dispersión.

Dispersión Mie tiene lugar cuando las partículas que interactúan con la radiación son de mayor diámetro, por ejemplo vapor de agua y partículas de polvo. Esta radiación tiende a influir más sobre las longitudes de onda más largas. Las puestas de sol rojizas son un ejemplo de dispersión Mie.

Absorc ión

En contraste con la dispersión, la absorción resulta en una pérdida efectiva de energía en la atmósfera. La absorción se produce en longitudes de onda determinadas. El vapor de agua, el dióxido de carbono y el ozono son los principales elementos que absorben la radiación solar. Los rangos de longitudes de onda en los cuales la atmósfera es particularmente transparente se los denomina ventanas atmosféricas.

Los efectos de la atmósfera sobre la radiación electromagnética varían por diferentes factores entre los que destacan: las diferencias de recorrido, la intensidad de la señal emitida, la longitud de onda y con las condiciones atmosféricas del momento de la observación.

Transmisión: la radiación se transmite hacia abajo a otros objetos

Reflexión: la radiación es reenviada de vuelta al espacio

B. Perturbación de la superficie terrestre: no es lo mismo tener una superficie llana a una superficie corrugada, ya que el ángulo de reflexión depende de la superficie.


ÁREA INVISIBLE


La superficie especular es la que tiene una reflexión perfecta o casi perfecta, ya que su ángulo de incidencia es igual al ángulo de reflexión, se presenta en superficies lisas.

Generalmente la superficie no es especular. El grado de dispersión depende de la rugosidad de la superficie.

La superficie lambertiana o perfectamente difusa es la más imperfecta de todas ya que la energía incidente, debido al suelo corrugado se disipa.

C. Perturbación por el relieve terrestre: influye por el espacio vertical en el cual están los objetos, cuanto más altos los objetos más información se pierde.



D. Ángulo solar: cuando el sol está a 90º de la tierra (solsticio de invierno y verano) no existen sombras que impidan una buena captura de información. Los sensores no captan los objetos en las sombras.

3.5 Resoluciones satelitales:

El número de píxeles que integran un sensor de satélite o de cámara digital, definen su poder de resolución. Es decir la capacidad de discernir objetos o detalles de un determinado tamaño en las imágenes captadas. A mayor número de píxeles por unidad de superficie, mayor resolución del fotosensor, pero también mayor es el volumen del archivo informático generado. Es lo que se denomina resolución espacial y constituye uno de los tipos de resolución que definen a las imágenes satélites. Una imagen de satélite se caracteriza por los siguientes modalidades de resolución:

Resolución espacial Resolución espectral Resolución radiométrica Resolución temporal

A. Resolución espacial: se refiere al tamaño de pixel que varía de plataforma en plataforma y también se refiere a la altura de estos. Este concepto designa al objeto más pequeño que se puede distinguir en la imagen. Está determinada por el tamaño del píxel, medido en metros sobre el terreno, esto depende de la altura del sensor con respecto a la Tierra, el ángulo de visión, la velocidad de escaneado y las características ópticas del sensor. Por ejemplo las imágenes Landsat TM, tienen una resolución espacial de 30x30 m en las bandas 1,2,3,4, 5 y 7 y de 120x120m en la 6 (térmica). El sensor SPOT - HRV tiene una resolución de 10x10m, mientras que los satélites meteorológicos como NOAA, el píxel representa un tamaño desde 500 a 1100m de lado.

B. Resolución espectral: es la cantidad de bandas que puede captar u obtener el satélite dicho de otra forma consiste en el número de canales espectrales (y su ancho de banda) que es capaz de captar un sensor. Por ejemplo SPOT tiene una resolución espectral de 3, Landsat de 7. Los nuevos sensores, llamados también espectrómetros o hiperespectrales llegan a tener hasta 256 canales con un ancho de banda muy estrecho (unos pocos nm) para poder separar de forma precisa distintos objetos por su comportamiento espectral.



C. Resolución radiométrica: es la cantidad de valores radiométricos que puede tener una imagen satelital. Estos dependen de la configuración del computador, del sensor que parametriza la energía recibida y devuelve los valores radiométricos. Dicho de otra manera Se la llama a veces también resolución dinámica, y se refiere a la cantidad de niveles de gris en que se divide la radiación recibida para ser almacenada y procesada posteriormente. Esto depende del conversor analógico digital usado. Así por ejemplo Landsat MSS tiene una resolución espectral de 26= 64 niveles de gris en el canal 6, y Landsat MSS en las bandas 4 a 7 de 27= 128 niveles de gris, mientras que en Landsat TM es de 28 = 256. Esto significa que tenemos una mejor resolución dinámica en el TM y podemos distinguir mejor las pequeñas diferencias de radiación.

Resolución temporal: Es la frecuencia de paso del satélite por una mismo punto de la superficie terrestre. Es decir cada cuanto tiempo pasa el satélite por la misma zona de la Tierra. Este tipo de resolución depende básicamente de las características de la órbita. El ciclo de repetición de los Landsat-1 al Landsat -3 era de 17 días. A partir del Landsat 4 en 1984 el ciclo de repetición se redujo a 15 días. SPOT permite un ciclo de repetición de entre 3 y 26 días. el satélite toma imágenes por Pats que están relacionadas con el ancho de la imagen donde hay un determinado número de pixeles (Swath).



3.6 Comportamientos y firmas espectrales:

El análisis e interpretación de las imágenes de satélite exige conocimientos interdisciplinarios. Una sólida base de física y en especial de radiometría es necesaria para poder entender las imágenes de teledetección.

Todos los elementos geográficos (bosques, cultivos, ríos, lagos, edificios, etc.) transforman de forma diferenciada la radiación electromagnética que reciben del Sol.

Cada tipo de objeto presenta a un nivel de respuesta específico en términos de:

% radiación reflejada + % absorbida + % transmitida,

La variación de la reflectancia en función de la longitud de onda se la denomina firma o signatura espectral.

La firma espectral es pues la medida cuantitativa de las propiedades espectrales de un objeto en una o varias bandas espectrales. También se la conoce como comportamiento espectral, concepto que incluye la variabilidad temporal de las signaturas espectrales, así como su variación en función de las condiciones meteorológicas, de las estaciones del año, y de las condiciones de iluminación.

Gracias a estos datos es posible identificar en una imagen de teledetección la naturaleza de un objeto.



3.6.1 Respuesta espectral del agua y de la nieve

La respuesta espectral del agua depende principalmente de su pureza y de la presencia de partículas en suspensión (aluviones, algas...). El agua pura tiene unas excelentes propiedades en cuanto a transmisión de la radiación electromagnética en el espectro visible y de absorción en el infrarrojo. En cambio la reflectancia presenta un pico en el verde que va reduciéndose hasta el infrarrojo. Esta falta de reflectividad en el infrarrojo es clave para distinguir entre áreas de tierra y agua tanto en costas o lagos como en ríos. Al incrementarse la profundidad del agua la reflectancia desciende, en cualquier longitud de onda.

Cuando el agua presenta turbidez, las consecuencias sobre la respuesta espectral van a depender del tipo de partículas en suspensión. Si se trata de fitoplancton, aparecen importantes alteraciones en el verde (aumenta) y en el azul (disminuye).

La reflectividad de la nieve es mucho mayor que la del agua en todas las longitudes de onda, pudiendo incluso saturar los sensores.

3.6.2 Comportamiento espectral de la vegetación

La cubierta vegetal es un medio heterogéneo compuesto de hojas, tallos, troncos, suelos, agua... elementos todos ellos que presentan sus respuestas espectrales respectivas. Además hay que tener en consideración que las plantas son seres vivos sujetos a cambios estacionales, climáticos e incluso a enfermedades y que estos cambios afectan a su reflectividad. Por estas razones el estudio del comportamiento espectral de la vegetación es muy complejo.

La vegetación sana tiene una reflectividad baja en el visible aunque con un pico en el color verde debido a la clorofila. La reflectividad de la vegetación es muy alta en el infrarrojo próximo debido a la escasa absorción de energía por parte de las plantas en esta banda. En el infrarrojo medio hay una disminución especialmente importante en aquellas longitudes de onda en las que el agua de la planta absorbe la energía.

La vegetación enferma presenta una disminución de la reflectividad en las bandas infrarrojas y un incremento en el rojo y azul.

Se observa también que la reflectividad de una planta depende de su contenido en agua. Cuando el contenido de agua aumenta disminuye la reflectividad ya que aumenta la absorción de radiación por parte del agua contenida en la planta.



3.6.3 Respuesta espectral del suelo: casi sin variación espectral, los principales factores que afectan a la reflectividad espectral de los suelos son: la humedad, textura (proporción de arena), rugosidad, presencia de óxidos de hierro y materia orgánica, por ejemplo la presencia de humedad hace caer la reflectividad espectral, al igual que la rugosidad, materia orgánica y presencia de óxidos de hierro, estos últimos especialmente en el visible.

Respuesta espectral de distintos materiales y visualización de las bandas del Landsat.

3.6 Clasificación del área de estudio:

Suponiendo que los datos han pasado ya todo tipo de correcciones de tipo geométrico o atmosférico, existen dos métodos complementarios para afrontar el problema de la generación de clases, estos son válidos tanto en imágenes de satélite como en cualquier otro campo.

Partir de una serie de clases previamente definidas y obtener sus signaturas espectrales (clasificación supervisada)



No establecer ninguna clase a priori, aunque es necesario determinar el número de clases que queremos establecer, y dejar que las defina un procedimiento automático (clasificación no supervisada)

En realidad suelen utilizarse ambos procedimientos ya que son complementarios. La clasificación supervisada utiliza nuestro conocimiento del terreno pero si este conocimiento no es perfecto pueden escaparse cosas que una clasificación no supervisada detectaría.

Generalmente el proceso de clasificación conlleva las siguientes etapas:

Análisis de Componentes Principales para resumir la información contenida en las bandas e incluso eliminar alguna del análisis.

Generación de clases y signaturas espectrales características. o Clasificación no supervisada. Se utilizan algoritmos matemáticos de

clasificación automática. Los más comunes son los algoritmos de clustering que divide el espacio de las variables en una serie de regiones de manera que se minimice la varianza interna de los pixeles incluidos en cada región. Cada región define de este modo una clase espectral.

o Selección de áreas de entrenamiento para clasificación supervisada. Se trata de áreas de las que se conoce a priori la clase a la que pertenecen y que servirán para generar una signatura espectral característica de cada una de las clases. Se denominan clases informacionales.

o Comparación de las signaturas espectrales características de las clases informacionales con las clases espectrales. Determinación de las clases con las que se trabajará finalmente. En general se prefiere trabajar con clases espectrales que con clases informacionales.

Clasificación propiamente dicha. Existen múltiples métodos: o No estadísticos (mínima distancia, paralelepípedos) o Estadísticos clásicos (máxima probabilidad) o Algoritmos basados en inteligencia artificial (lógica borrosa, redes

neuronales) Evaluación de la precisión de la clasificación

4. Desarrollo practico

Primero se deben importar los 3 mapas de Cochabamba. Luego se debe georeferenciar la primera fotografía de Cochabamba ubicando los cuatro puntos que se muestran en las fotografías y colocándoles sus coordenadas respectivas que se nos dan en un documento de Excel, una vez realizado este procedimiento se debe guardar esta georeferenciación.



El siguiente paso es georeferenciar las otras dos fotografías, el procedimiento es mucho más sencillo, lo que se debe hacer es click derecho sobre la imagen que se desea georeferenciar y elegir “Properties”, y se debe elegir el archivo de georeferenciación creado en el paso anterior y colocar “Ok”, se debe realizar este procedimiento exactamente igual con la otra fotografía, cuando se la abra se podrá apreciar que ya se encuentran georeferenciadas.



El siguiente paso es crear las diferentes composiciones de colores de la practica para ello se debe ir a la parte izquierda del ilwis y elegir “Operation list” y en ella escoger “Color Composite”.

Seguidamente me aparecerá una ventana en la cual debo deseleccionar la opción de “24 bit” y escoger “Estándar” y también debo escoger la opción “Histogram Equalitation”.

Una vez realizado esto se deben elegir distintas combinaciones en las bandas para obtener distintos resultados y además se debe colocar un nombre de salida y elegir la opción “Show” para ver el mapa.

Imagen resultado

Luego de realizar todas las posibles combinaciones (6) se debe ir de nuevo a “Operation list” y en ella escoger “Slicing”.

Luego de eso aparecerá otra ventana en la que se debe elegir cualquiera de los 3 mapas georeferenciados de Cochabamba, luego de eso se le debe dar un nombre de salida y se debe elegir en “Domain” el medio sol para crear uno nuevo, se debe colocar un nombre de salida y se debe escoger la opción “Class” y “Group” también, luego se coloca “Ok” y finalmente “Show”.



Una vez realizado este procedimiento me aparecerá otra ventana en la cual debo colocarle valores radiométricos que aparecen en la parte izquierda de los mapas georeferenciados, y también darle nombres y un código, se debe hacer mínimamente 3 de estos, para adicionarlos se debe escoger la figura que tiene forma de una

paleta con un signo más y llenar los datos y colocar “Ok”.

Luego concluido este proceso se cierra la ventada, que automáticamente se guarda y se coloca “Show”, nos aparecerá la imagen con los valores radiométricos que le dimos.

Nos aparece la siguiente imagen cuyos valores radiométricos son:

Esta imagen creada es una IMAGEN CLASIFICADA CON NO SUPERVISION.



Luego de realizar este procedimiento se debe ir a “Imagen Processing” que se encuentra en la parte izquierda del ilwis, pero en el menú “Operation-Tree”, y se debe escoger “Filter”.

Una vez seleccionado esta opción aparecerá una ventana en la cual debo escoger mi mapa raster creado anteriormente con el comando Slicing, además debo escoger en los filtros la opción “Majority”, darle un

nombre de salida y colocar “Show”, y me aparecerá mi IMAGEN NO SUPERVISADA CON FILTRO.

Ahora para crear una CLASIFICACIÓN SUPERVISADA, se debe representar los ocho colores dentro del mapa, siguiendo los siguientes pasos:

Se debe crear un “Sample set”, para ello se debe ir al menu “File” y escoger la opcion “Create” y en ella seleccionar dicha opcion.

Una vez elegida esta opcion me aparecera una ventana en la cual debo darle un nombre de salida y en Domain, escoger el medio sol y crear otro dominio pero esta vez sin la opcion “Group”, coloco “Ok” .



Después de colocar “Ok” me aparecera otra ventana donde debo agragar los tipos de corbertura, solo se coloca su nombre y su codigo, se sigue el mismo proceso citado anteriormente, solo que esta vez se colocan 8 Items.

Una vez adicionados los 8 items se debe crear una lista de mapas, para lo cual se debe elegir el icono de medio sol de Map list y se deben adicionar las 3 fotografías originales georeferenciadas de Cochabamba y colocar “OK”.



Una vez realizado este procedimiento se debe utilizar el mapa de Cochabamba para la clasificacion supervisada, en el se deben seleccionar un procentaje adecuado de pixeles para cada clase.

Si se quiere saber si la colecta esta siendo bien realizada se debe ir a “Feature space”

y aparecera una imagen en la cual los pixeles si estan repartidos a 45º la colecta esta bien realizada o esta bien correlacionada.

una vez realizado este procedimiento se debe cerrar la imagen, pero sin olvidar

colocar “exit editor” para que el trabajo se guarde.

Luego para realizar la clasificacion se debe ir al menu de funciones y elegir “Image processing” y en ella “Classify”, nos aparecera una ventana de dialogo, donde en la primera opcion debo elegir el mapa que acabo de muestrear, en la parte de abajo el metodo por el que quiero clasificar, y finalmente debo colocar show. Nos aparecera nuestra imagen clasificada, se debe realizar esto con las 5 clasificaciones.



Una vez realizado este procedimiento 5 veces, estas imágenes se las debera filtrar, para ello se debe ir a “Image processing” y en ella seleccionar “filter”, luego en la imagen de ingreso se debe colocar una de las 5 imágenes clasificadas y en filter tipe y name escoger “Majority”, colocar un nombre de salida y “Ok”.

Finalmente se debe seleccionar la funcion “Raster operations” de la que se debe seleccionar la funcion ”Cross” y en la ventana del dialogo seleccione para el 1º mapa un mapa clasificado por cualquier metodo y para el 2º mapa el mismo mapa seleccionado con anterioridad, se le da un nombre de salida y se coloca “Show”.

Luego se deben analizar los resultados y sacar conclusiones de ellos.

Tambien si se desea se puede realizar la matriz de confusion para ver si los datos estan bien.



5. Presentación de resultados:

Georeferenciación de la fotografía de Cochabamba

Composicion de color banda 1,2,3.





Clasificacion no supervisada



Clasificacion por clases

Clasificacion supervisada por el metodo Box



Clasificacion supervisada por el metodo Minimum Distance

Clasificacion supervisada por el metodo Minimum Mahalanobis Distance

Los pixeles de las tablas estan en orden del 1-8.



Clasificacion supervisada por el metodo Likelihood

Correlacion de los pixeles banda 1 y 2



6. Analisis de resultados

ANALISIS DE LA COMPOSICION DEL COLOR: Como se puede observar en la composicion de colores se obtuvieron 6 resultados de la combinacion de las bandas azul 1, verde 2 y rojo 3 (RGB), como se tratan de imágenes satelitales del THEMATIC MAP tendriamos los siguientes resultados:

123= Verdadero Color: Las imágenes compuestas en color natural o real son combinaciones de las bandas 1 (azul) , 2 (verde) y 3 (rojo) que coinciden aproximadamente con la gama visual del ojo humano, por lo que se parecen bastante a lo que esperaríamos ver en una fotografía normal en color. Las imágenes de color real tienden a presentar un bajo contraste y un aspecto algo borroso. Ello es debido a que la luz azul es más afectada que las demás por la dispersión atmosférica

132 231 213 321 312

ANALISIS DE LA CLASIFICACIÓN NO SUPERVISADA: Se utilizan algorítmos de clasificación automática multivariante como el clustering. Este consta de N pasos siendo N el número total de individuos a clasificar. Cuando se utiliza en teledetección se clasifican todos los pixel. Que tiene como salida un mapa en el que los pixels aparecen adjudicados a las diferentes clases. Por tanto debemos elegir a priori el número de clases que queremos, este número debe ser elevado ya que siempre podremos a posteriori unir aquellas clases que no tenga sentido mantener separadas.

Además este método se lo realiza cuando NO se tiene conocimiento del terreno y es más impreciso que la clasificación supervisada.

ANALISIS DE LA CLASIFICACIÓN SUPERVISADA: este metodo se caracteriza por que se tiene un conocimiento previo del terreno , el cual es dividido en clases y ademas puede ser dividido en 5 clasificaciones especiales:

Box classifier: tambien llamado el de los paralelepipedos debe hacerse teniendo en cuenta los valores máximos y mínimos de reflectividad para cada una de las bandas. Con este método pueden aparecer pixels sin asignar o pixels asignados a varias clases.

En este método podemos observar que la clasificación urbana continua, vegetación escasa y boques predominan, mientras que el suelo desnudo es escaso. Este método no es el indicado ya que no existen áreas urbanas en la parte inferior izquierda de la fotografía.


FALSO COLOR

Otras combinaciones de bandas distintas, generan imágenes en falso color. La naturaleza de los objetos que se quieren investigar, determina la selección de las tres bandas a combinar.


Minimum distance: Este método no es demasiado bueno ya que sobreclasifica la imagen, es decir ningún pixel queda sin clasificar. Aunque algunos autores señalan esto como una ventaja, realmente es un problema ya

que es preferible dejar áreas sin clasificar que clasificarlas sin garantías.

En este método se puede observar que predomina la vegetación escasa y las zonas agrícolas, pero no lo tomare en cuenta porque se puede observar una cantidad significativa de zona urbana donde solo existe suelo desnudo o escaso de vegetación.

Minimum mahalanobis distance: esta clasificacion tiene un exeso de zonas agricolas , pero la zona urbana continua y discontinua estan bien clasificadas.

Maximum likelihood: este es el metodo que prefiero ya que las clases estan bien representadas en la fotografía y estan en sus lugares correspondientes.

Prior probability: es el mas utilizado y el mas preciso, ya que calcula la probabilidad de que un pixel pertenesca a determinada clase mediante el teorema de bayes.

ANALISIS DE UNA IMAGEN FILTRADA: la filtracion se la realiza porque al clasificar una imagen ya sea supervisada o no supervisada siempre existen pixeles que no se clasificaron, es ahí donde entra la filtracion ya que al realizarla estos pixeles son asignados a una clase, pero se debe tener cuidado en no realizar esta operación muchas veces ya que la clasificacion se distorsiona.

ANALISIS DE LA CORRELACION: cuando colocamos el fictures espace de la imagen seupervisada, podemos observar un eje de coordenadas, si los pixeles colectados estan a 45º la correlacion es perfecta y la información esta bien colectada, el grafico de la practica no tiene 45º pero se aproxima muchisimo a este valor.

EVALUACION DE LA CLASIFICACIÓN: se deben evaluar las matrices de confusion generadas:

Cross_box_minimum distance

Podemos observar que los resultados son menores al 50% entonces se desecha.



Cross_box_mahalanobis

Average Accuracy = 23.55 %

Average Reliablity = 30.77 %

Overall Accuracy = 8.11 %

En ningunas de las tablas hay resultados mayores al 50% lo que quiere decir que la clasificacion es pesima y se necesita realizarla otra vez.

7. Conclusiones

La Teledetección o percepción remota, es la captación de información de un objeto sin estar en contacto físico con el. Las plataformas más comunes de teledetección son los aviones y satélites. El proceso de la teledetección se basa en la interacción que se produce entre la energía electromagnética y la superficie objeto de estudio.

En Teledetección se trabaja con tres tipos de imágenes en color:

Imágenes en pseudocolor con distintos tipos de paleta. Estas imágenes se generan substituyendo el color gris de los píxeles por otro color sobre una misma imagen.

Imágenes en color : Se forman combinando imágenes captadas en tres bandas del espectro visible: rojo, verde y azul (RGB).

Imágenes en falso color : Formadas por la combinación de imágenes tomadas en bandas fuera del espectro visible.



Una imagen satélite consiste en una matriz de elementos de imagen o píxeles. El más pequeño detalle reconocible sobre una imagen satélite, o la superficie cubierta por un píxel, se denomina resolución de la imagen satélite. La resolución depende del tipo de satélite. En algunos casos, un mismo satélite transporta diversos sensores, que efectúan mediciones a diferentes resoluciones.

Ahora las conclusiones de la practica realizada serian:

Al no contar con un conocimiento previo de estadistica no se pudo realizar un muestreo efectivo para la clasificacion supervisada.

Al no realizar una clasificacion supervisada de calidad, las imágenes que salieron por los métodos de clasificacion, son impresisas y es recomendable no utilizarlas.

Como la acuricidad y la reabilidad son menores al 51% es un mal muestreo.

8. Recomendaciones:

Se recomienda tener conocimiento previo de estadística para realizar un muestreo de calidad, además se recomienda elaborar este trabajo paso por paso, para una mejor comprensión del mismo.


patrón de reconocimiento estadístico en imágenes satelitales multiespectrales

Documents